İnşaat Mühendisliği Bölümü Tezleri

Permanent URI for this collectionhttps://hdl.handle.net/20.500.12416/3431

Browse

Browsing İnşaat Mühendisliği Bölümü Tezleri by Access Right "info:eu-repo/semantics/openAccess"

Filter results by typing the first few letters
Now showing 1 - 3 of 3
  • Item
    Citation Count: Tatar, Bahadır (2022). Convolutional neural networks (CNN) based binary classifiers for construction machinery detection / İnşaat makinesi tespiti için evrişimli sinir ağları (ESA) tabanlı ikili sınıflandırıcılar. Yayımlanmış yüksek lisans tezi. Ankara: Çankaya Üniversitesi, Fen Bilimleri Enstitüsü.
    Convolutional neural networks (CNN) based binary classifiers for construction machinery detection
    (2022) Tatar, Bahadır; Çankaya Üniversitesi, Fen Bilimleri Enstitüsü, İnşaat Mühendisliği Bölümü
    İnşaat faaliyetlerinin yapay zeka ile izlenmesi şantiye operasyonlarındaki verimlilik için önemli bir vazifedir. Bu nedenle işlenen konu literatürde oldukça ilgi görmüştür. Farklı çeşitlilikteki görevleri izleyerek ve tespit ederek inşaat alanlarındaki operasyonları başarılı bir şekilde eniyileştirmek, şantiye işlerinde kullanılabilen araçları belirlemede önemli bir rolü olan şantiye alanının boyutuna bağlıdır. Yapay zeka algoritmalarının inşaat makinelerini algılaması için eğitilerek, görüntü sınıflandırma algoritmaları aracılığıyla geniş alanları kapsayan bir izleme görevi yüksek verimlilikle gerçekleştirilebilir. İnsansız hava araçlarından alınan görüntülerin kullanılması çok geniş bir bölgedeki inşaat operasyonlarını tespit etme açısından verimsiz kalabilir. Dolayısıyla bu tezde, iş makinelerinin tespit edilmesi için uydu görüntüsü sınıflandırılması yapılmıştır. Evrişimli sinir ağlarını eğitmek için Google Earth kullanılarak sıfırdan oluşturulan ve inşaat makineleri görüntüleri içeren bir veri seti oluşturulmuştur. Toplamda 23 adet önceden eğitilmiş evrişimli sinir ağı modeli öğrenme aktarımı yöntemi kullanılarak modifiye edilmiştir ve performansları değerlendirilmiştir.
  • Item
    Citation Count: Sinan Kefeli (2019). Evaluating the relationship between concrete strength and mix design properties using artificial neural network (ANN) hybrid algorithms / Beton dayanımı ve karışım tasarımı özelliklerinin yapay sinir ağı hibrit algoritmaları kullanılarak değerlendirilmesi. Yayımlanmış yüksek lisans tezi. Ankara: Çankaya Üniversitesi Fen bilimleri Enstitüsü.
    Evaluating the relationship between concrete strength and mix design properties using artificial neural network (ANN) hybrid algorithms
    (2019) Kefeli, Sinan; Çankaya Üniversitesi, Fen Bilimleri Enstitüsü, İnşaat Mühendisliği Bölümü
    In this thesis, accurate prediction of concrete strength was investigated by using artificial neural network hybrid algorithms. To hybridize and tune ANN models, Particle Swarm Optimization was implemented. Optimization process was conducted step by step up to reaching predictions at a high level of accuracy. Activation functions, numbers of neuron in hidden layers, initial learning rate, solver and learning rate were subjected to optimization.
  • Item
    Citation Count: Atayı, Mustafa (2021). Multivariate curve fitting for the analysis of short members as the basis for structural grading / Yapısal derecelendirmenin temeli olarak kısa elemanların analizi için çok değişkenli eğri uydurma.Yayımlanmış yüksek lisans tezi. Ankara: Çankaya Üniversitesi, Fen Bilimleri Enstitüsü.
    Multivariate curve fitting for the analysis of short members as the basis for structural grading
    (2021) Atayı, Mustafa; Çankaya Üniversitesi, Fen Bilimleri Enstitüsü, İnşaat Mühendisliği Bölümü
    Bu çalışmada çoklu doğrusal regresyon ve çoklu doğrusal olmayan regresyon yöntemleri araştırılmış ve bambu gibi kısa elemanların detaylı analizine göre en uygun çoklu eğri uydurma yöntemi seçilmiştir. Bambunun fiziksel özellikleri ile basınç dayanımı ve nihai çekme yükü arasındaki ilişki gözlemlenmiş ve bunlar üzerinde çoklu regresyon yöntemleri uygulanmıştır. Sonucunda en uygun yöntem olarak çoklu doğrusal regresyon yöntemi belirlenmiştir. Ayrıca test amaçlı kullanılan bambuların sayısı azaltılarak koruma politikası ile ekonomik açıdan da tasarruf sağlanmıştır.